微博等社交媒体给危机沟通增添了复杂性。通过微博，信息能够被快速地发布、转发，使得受众数目成指数级增长。这一特性使公共卫生事件微博舆情快速形成，导致管理者对一些公共问题产生错误或滞后的反应，后果是增加公众的不安全感，使得原本在传统传播模式下可以控制的公共卫生事件网络舆情进一步升级，甚至形成社会危机。显然，能及时为公共危机管理部门提供舆情趋势信息，帮助他们提早发现会引起公众广泛关注和热烈讨论的舆情热点微博是非常重要的。本研究进行了公共卫生事件中的微博舆情信息采集、分析和舆情趋势预测方法研究。研究成果可以帮助危机管理部门及时判断公共卫生事件微博舆情趋势，进行高效、精准的危机沟通与处理，有助于促进社会的和谐发展。
　　本研究主要内容包括：⑴提出了公共卫生事件中的微博舆情信息采集方法。舆情信息采集的第一个步骤是利用新闻媒体数据源构筑面向公共危机沟通的微博舆情信息采集过滤流程。然后，基于Word2Vec技术将语料中的词汇转化为高维向量空间中的向量，通过计算词向量之间的距离，提取公共卫生事件核心词，并利用得到的核心词采集公共卫生事件相关微博。最后，利用“80-20”法则界定舆情热点微博，从而发现需要公共管理者高度关注和有针对性地进行危机沟通的微博舆情信息。⑵分析公共卫生事件微博舆情趋势的影响因素。研究基于“启发-分析双处理理论”、“劝说理论”、“社会影响理论”，从微博内容特征、微博作者特征、以及微博社会影响特征三个方面，对微博舆情趋势影响因素进行分析、提取和测量。在此基础上，计算每一个微博特征对舆情趋势的信息增益，得出不同微博特征对舆情趋势的影响。保留对舆情趋势影响比较大的微博特征，使得舆情趋势预测模型能够集中到最富含预测信息的少量特征上，提高预测模型的有效性。⑶对影响舆情趋势的微博特征进行粗糙集约简。针对影响舆情趋势的微博特征中可能还存在一些冗余和具有不确定性的特征，利用粗糙集特征约简方法，在不降低建模精度和预测能力的前提下，得到在近似质量最优意义下的最小约简特征集合，简化建模过程和所建模型的复杂性，有利于从特征选择上进一步提高舆情趋势预测的准确度。同时，粗糙集方法还能提取公共卫生事件微博舆情趋势的规则作为预报因子，为舆情爆发预警奠定基础。⑷建立公共卫生事件舆情趋势预测的集成分类模型。研究基于粗糙集特征约简后得到的最小约简特征集合，构建了微博舆情趋势的集成分类预测模型。对863条有关公共卫生事件的微博信息进行的实证分析证实了本研究提出的集成分类模型可以有效预测公共卫生事件微博舆情趋势。